Titre : Loi de Poisson

Loi de Poisson : Questions médicales fréquentes

Termes MeSH sélectionnés :

Case-Control Studies

Questions fréquentes et termes MeSH associés

Diagnostic 5

#1

Comment identifier une distribution de Poisson ?

On vérifie si les événements sont rares et indépendants, et on utilise des tests statistiques.
Distribution de Poisson Statistiques
#2

Quels outils statistiques sont utilisés ?

Les tests de chi carré et les tests de Poisson sont couramment utilisés pour l'analyse.
Tests statistiques Analyse de données
#3

Quand utiliser la loi de Poisson ?

Elle est utilisée pour modéliser des événements rares comme les accidents ou les maladies.
Événements rares Modélisation statistique
#4

Quels sont les critères d'application ?

Les événements doivent être indépendants et se produire à un taux constant dans le temps.
Indépendance Taux d'événements
#5

Comment vérifier l'adéquation du modèle ?

On compare les données observées avec les données attendues par le modèle de Poisson.
Modèle statistique Analyse de variance

Symptômes 5

#1

Quels symptômes modélise-t-on avec la loi de Poisson ?

On modélise des événements comme des cas de maladies ou des accidents dans un intervalle donné.
Symptômes Événements de santé
#2

La loi de Poisson peut-elle prédire des épidémies ?

Oui, elle peut estimer le nombre de cas d'une maladie dans un temps donné, comme une épidémie.
Épidémies Prévision
#3

Quels événements sont souvent analysés ?

Les événements comme les admissions à l'hôpital ou les infections nosocomiales sont analysés.
Admissions hospitalières Infections nosocomiales
#4

Peut-on modéliser des décès avec cette loi ?

Oui, la loi de Poisson est utilisée pour modéliser le nombre de décès dans une population sur une période.
Décès Démographie
#5

Quels types de maladies sont concernés ?

Des maladies infectieuses, des accidents et des maladies chroniques peuvent être modélisées.
Maladies infectieuses Accidents

Prévention 5

#1

Comment la loi de Poisson aide-t-elle à la prévention ?

Elle permet d'estimer le risque d'événements indésirables et d'orienter les stratégies de prévention.
Prévention Risque
#2

Peut-on prédire des épidémies avec cette loi ?

Oui, elle aide à prédire le nombre de cas d'épidémies et à planifier des interventions préventives.
Prédiction d'épidémies Interventions préventives
#3

Quels événements préventifs sont modélisés ?

On modélise des événements comme les vaccinations et les campagnes de sensibilisation.
Vaccination Sensibilisation
#4

Comment évaluer l'impact des campagnes ?

On utilise la loi de Poisson pour analyser le nombre de cas avant et après les campagnes de prévention.
Impact des campagnes Analyse comparative
#5

Quels facteurs influencent la prévention ?

Les facteurs comme le taux de vaccination et l'accès aux soins influencent les résultats préventifs.
Taux de vaccination Accès aux soins

Traitements 5

#1

Comment la loi de Poisson aide-t-elle en traitement ?

Elle permet d'évaluer l'efficacité des traitements en analysant le nombre d'événements indésirables.
Efficacité des traitements Événements indésirables
#2

Peut-on ajuster les traitements avec cette loi ?

Oui, les données de Poisson aident à ajuster les traitements en fonction des résultats observés.
Ajustement thérapeutique Résultats cliniques
#3

Comment évaluer les effets secondaires ?

On utilise la loi de Poisson pour modéliser le nombre d'effets secondaires dans des essais cliniques.
Effets secondaires Essais cliniques
#4

La loi de Poisson influence-t-elle la recherche ?

Oui, elle guide la recherche sur l'impact des traitements en analysant les événements rares.
Recherche médicale Impact des traitements
#5

Quels traitements sont souvent analysés ?

Les traitements pour les maladies infectieuses et les interventions chirurgicales sont souvent analysés.
Maladies infectieuses Interventions chirurgicales

Complications 5

#1

Quelles complications peuvent être modélisées ?

On peut modéliser des complications comme les infections post-opératoires ou les effets secondaires.
Complications Infections post-opératoires
#2

Comment la loi de Poisson aide-t-elle à comprendre les complications ?

Elle permet d'analyser la fréquence des complications et d'identifier des facteurs de risque.
Analyse de fréquence Facteurs de risque
#3

Peut-on prédire des complications avec cette loi ?

Oui, elle aide à prédire le nombre de complications dans des populations spécifiques après un traitement.
Prédiction Population spécifique
#4

Quels types de complications sont souvent étudiés ?

Les complications chirurgicales et les effets indésirables des médicaments sont souvent étudiés.
Complications chirurgicales Effets indésirables
#5

Comment réduire les complications ?

On utilise les données de Poisson pour identifier les risques et améliorer les protocoles de soins.
Réduction des risques Protocoles de soins

Facteurs de risque 5

#1

Quels facteurs influencent la loi de Poisson ?

Les facteurs comme l'âge, le sexe et les antécédents médicaux influencent les événements modélisés.
Facteurs de risque Antécédents médicaux
#2

Comment identifier les facteurs de risque ?

On analyse les données épidémiologiques pour identifier les facteurs associés à des événements rares.
Épidémiologie Analyse de données
#3

Les comportements influencent-ils les résultats ?

Oui, des comportements comme le tabagisme ou l'alimentation peuvent augmenter les risques d'événements.
Comportements de santé Tabagisme
#4

Quels facteurs environnementaux sont considérés ?

Des facteurs comme la pollution et l'accès aux soins de santé sont pris en compte dans l'analyse.
Pollution Accès aux soins
#5

Comment les facteurs de risque sont-ils utilisés ?

Ils sont utilisés pour orienter les politiques de santé publique et les stratégies de prévention.
Politiques de santé Stratégies de prévention
{ "@context": "https://schema.org", "@graph": [ { "@type": "MedicalWebPage", "name": "Loi de Poisson : Questions médicales les plus fréquentes", "headline": "Loi de Poisson : Comprendre les symptômes, diagnostics et traitements", "description": "Guide complet et accessible sur les Loi de Poisson : explications, diagnostics, traitements et prévention. Information médicale validée destinée aux patients.", "datePublished": "2024-04-05", "dateModified": "2025-03-31", "inLanguage": "fr", "medicalAudience": [ { "@type": "MedicalAudience", "name": "Grand public", "audienceType": "Patient", "healthCondition": { "@type": "MedicalCondition", "name": "Loi de Poisson" }, "suggestedMinAge": 18, "suggestedGender": "unisex" }, { "@type": "MedicalAudience", "name": "Médecins", "audienceType": "Physician", "geographicArea": { "@type": "AdministrativeArea", "name": "France" } }, { "@type": "MedicalAudience", "name": "Chercheurs", "audienceType": "Researcher", "geographicArea": { "@type": "AdministrativeArea", "name": "International" } } ], "reviewedBy": { "@type": "Person", "name": "Dr Olivier Menir", "jobTitle": "Expert en Médecine", "description": "Expert en Médecine, Optimisation des Parcours de Soins et Révision Médicale", "url": "/static/pages/docteur-olivier-menir.html", "alumniOf": { "@type": "EducationalOrganization", "name": "Université Paris Descartes" } }, "isPartOf": { "@type": "MedicalWebPage", "name": "Lois statistiques", "url": "https://questionsmedicales.fr/mesh/D016008", "about": { "@type": "MedicalCondition", "name": "Lois statistiques", "code": { "@type": "MedicalCode", "code": "D016008", "codingSystem": "MeSH" }, "identifier": { "@type": "PropertyValue", "propertyID": "MeSH Tree", "value": "N06.850.520.830.994" } } }, "about": { "@type": "MedicalCondition", "name": "Loi de Poisson", "alternateName": "Poisson Distribution", "code": { "@type": "MedicalCode", "code": "D016012", "codingSystem": "MeSH" } }, "author": [ { "@type": "Person", "name": "Cécile Kremer", "url": "https://questionsmedicales.fr/author/C%C3%A9cile%20Kremer", "affiliation": { "@type": "Organization", "name": "" } }, { "@type": "Person", "name": "Andrea Torneri", "url": "https://questionsmedicales.fr/author/Andrea%20Torneri", "affiliation": { "@type": "Organization", "name": "" } }, { "@type": "Person", "name": "Sien Boesmans", "url": "https://questionsmedicales.fr/author/Sien%20Boesmans", "affiliation": { "@type": "Organization", "name": "" } }, { "@type": "Person", "name": "Hanne Meuwissen", "url": "https://questionsmedicales.fr/author/Hanne%20Meuwissen", "affiliation": { "@type": "Organization", "name": "" } }, { "@type": "Person", "name": "Selina Verdonschot", "url": "https://questionsmedicales.fr/author/Selina%20Verdonschot", "affiliation": { "@type": "Organization", "name": "" } } ], "citation": [ { "@type": "ScholarlyArticle", "name": "A case-control study of infections caused by", "datePublished": "2022-07-28", "url": "https://questionsmedicales.fr/article/35967868", "identifier": { "@type": "PropertyValue", "propertyID": "DOI", "value": "10.3389/fcimb.2022.867347" } }, { "@type": "ScholarlyArticle", "name": "Errors in Surgery: A Case Control Study.", "datePublished": "2022-08-10", "url": "https://questionsmedicales.fr/article/35946794", "identifier": { "@type": "PropertyValue", "propertyID": "DOI", "value": "10.1097/SLA.0000000000005664" } }, { "@type": "ScholarlyArticle", "name": "Iron status in women with infertility and controls: a case-control study.", "datePublished": "2023-06-08", "url": "https://questionsmedicales.fr/article/37361544", "identifier": { "@type": "PropertyValue", "propertyID": "DOI", "value": "10.3389/fendo.2023.1173100" } }, { "@type": "ScholarlyArticle", "name": "Sleeve Gastrectomy in Septuagenarians: a Case-Control Study.", "datePublished": "2022-07-05", "url": "https://questionsmedicales.fr/article/35788952", "identifier": { "@type": "PropertyValue", "propertyID": "DOI", "value": "10.1007/s11695-022-06193-8" } }, { "@type": "ScholarlyArticle", "name": "Diverticulitis Familiality: A Statewide Case-Control Study.", "datePublished": "2023-07-05", "url": "https://questionsmedicales.fr/article/37403933", "identifier": { "@type": "PropertyValue", "propertyID": "DOI", "value": "10.1097/XCS.0000000000000799" } } ], "breadcrumb": { "@type": "BreadcrumbList", "itemListElement": [ { "@type": "ListItem", "position": 1, "name": "questionsmedicales.fr", "item": "https://questionsmedicales.fr" }, { "@type": "ListItem", "position": 2, "name": "Environnement et santé publique", "item": "https://questionsmedicales.fr/mesh/D004778" }, { "@type": "ListItem", "position": 3, "name": "Santé publique", "item": "https://questionsmedicales.fr/mesh/D011634" }, { "@type": "ListItem", "position": 4, "name": "Méthodes épidémiologiques", "item": "https://questionsmedicales.fr/mesh/D004812" }, { "@type": "ListItem", "position": 5, "name": "Statistiques comme sujet", "item": "https://questionsmedicales.fr/mesh/D013223" }, { "@type": "ListItem", "position": 6, "name": "Lois statistiques", "item": "https://questionsmedicales.fr/mesh/D016008" }, { "@type": "ListItem", "position": 7, "name": "Loi de Poisson", "item": "https://questionsmedicales.fr/mesh/D016012" } ] } }, { "@type": "MedicalWebPage", "name": "Article complet : Loi de Poisson - Questions et réponses", "headline": "Questions et réponses médicales fréquentes sur Loi de Poisson", "description": "Une compilation de questions et réponses structurées, validées par des experts médicaux.", "datePublished": "2025-05-14", "inLanguage": "fr", "hasPart": [ { "@type": "MedicalWebPage", "name": "Diagnostic", "headline": "Diagnostic sur Loi de Poisson", "description": "Comment identifier une distribution de Poisson ?\nQuels outils statistiques sont utilisés ?\nQuand utiliser la loi de Poisson ?\nQuels sont les critères d'application ?\nComment vérifier l'adéquation du modèle ?", "url": "https://questionsmedicales.fr/mesh/D016012?mesh_terms=Case-Control+Studies#section-diagnostic" }, { "@type": "MedicalWebPage", "name": "Symptômes", "headline": "Symptômes sur Loi de Poisson", "description": "Quels symptômes modélise-t-on avec la loi de Poisson ?\nLa loi de Poisson peut-elle prédire des épidémies ?\nQuels événements sont souvent analysés ?\nPeut-on modéliser des décès avec cette loi ?\nQuels types de maladies sont concernés ?", "url": "https://questionsmedicales.fr/mesh/D016012?mesh_terms=Case-Control+Studies#section-symptômes" }, { "@type": "MedicalWebPage", "name": "Prévention", "headline": "Prévention sur Loi de Poisson", "description": "Comment la loi de Poisson aide-t-elle à la prévention ?\nPeut-on prédire des épidémies avec cette loi ?\nQuels événements préventifs sont modélisés ?\nComment évaluer l'impact des campagnes ?\nQuels facteurs influencent la prévention ?", "url": "https://questionsmedicales.fr/mesh/D016012?mesh_terms=Case-Control+Studies#section-prévention" }, { "@type": "MedicalWebPage", "name": "Traitements", "headline": "Traitements sur Loi de Poisson", "description": "Comment la loi de Poisson aide-t-elle en traitement ?\nPeut-on ajuster les traitements avec cette loi ?\nComment évaluer les effets secondaires ?\nLa loi de Poisson influence-t-elle la recherche ?\nQuels traitements sont souvent analysés ?", "url": "https://questionsmedicales.fr/mesh/D016012?mesh_terms=Case-Control+Studies#section-traitements" }, { "@type": "MedicalWebPage", "name": "Complications", "headline": "Complications sur Loi de Poisson", "description": "Quelles complications peuvent être modélisées ?\nComment la loi de Poisson aide-t-elle à comprendre les complications ?\nPeut-on prédire des complications avec cette loi ?\nQuels types de complications sont souvent étudiés ?\nComment réduire les complications ?", "url": "https://questionsmedicales.fr/mesh/D016012?mesh_terms=Case-Control+Studies#section-complications" }, { "@type": "MedicalWebPage", "name": "Facteurs de risque", "headline": "Facteurs de risque sur Loi de Poisson", "description": "Quels facteurs influencent la loi de Poisson ?\nComment identifier les facteurs de risque ?\nLes comportements influencent-ils les résultats ?\nQuels facteurs environnementaux sont considérés ?\nComment les facteurs de risque sont-ils utilisés ?", "url": "https://questionsmedicales.fr/mesh/D016012?mesh_terms=Case-Control+Studies#section-facteurs de risque" } ] }, { "@type": "FAQPage", "mainEntity": [ { "@type": "Question", "name": "Comment identifier une distribution de Poisson ?", "position": 1, "acceptedAnswer": { "@type": "Answer", "text": "On vérifie si les événements sont rares et indépendants, et on utilise des tests statistiques." } }, { "@type": "Question", "name": "Quels outils statistiques sont utilisés ?", "position": 2, "acceptedAnswer": { "@type": "Answer", "text": "Les tests de chi carré et les tests de Poisson sont couramment utilisés pour l'analyse." } }, { "@type": "Question", "name": "Quand utiliser la loi de Poisson ?", "position": 3, "acceptedAnswer": { "@type": "Answer", "text": "Elle est utilisée pour modéliser des événements rares comme les accidents ou les maladies." } }, { "@type": "Question", "name": "Quels sont les critères d'application ?", "position": 4, "acceptedAnswer": { "@type": "Answer", "text": "Les événements doivent être indépendants et se produire à un taux constant dans le temps." } }, { "@type": "Question", "name": "Comment vérifier l'adéquation du modèle ?", "position": 5, "acceptedAnswer": { "@type": "Answer", "text": "On compare les données observées avec les données attendues par le modèle de Poisson." } }, { "@type": "Question", "name": "Quels symptômes modélise-t-on avec la loi de Poisson ?", "position": 6, "acceptedAnswer": { "@type": "Answer", "text": "On modélise des événements comme des cas de maladies ou des accidents dans un intervalle donné." } }, { "@type": "Question", "name": "La loi de Poisson peut-elle prédire des épidémies ?", "position": 7, "acceptedAnswer": { "@type": "Answer", "text": "Oui, elle peut estimer le nombre de cas d'une maladie dans un temps donné, comme une épidémie." } }, { "@type": "Question", "name": "Quels événements sont souvent analysés ?", "position": 8, "acceptedAnswer": { "@type": "Answer", "text": "Les événements comme les admissions à l'hôpital ou les infections nosocomiales sont analysés." } }, { "@type": "Question", "name": "Peut-on modéliser des décès avec cette loi ?", "position": 9, "acceptedAnswer": { "@type": "Answer", "text": "Oui, la loi de Poisson est utilisée pour modéliser le nombre de décès dans une population sur une période." } }, { "@type": "Question", "name": "Quels types de maladies sont concernés ?", "position": 10, "acceptedAnswer": { "@type": "Answer", "text": "Des maladies infectieuses, des accidents et des maladies chroniques peuvent être modélisées." } }, { "@type": "Question", "name": "Comment la loi de Poisson aide-t-elle à la prévention ?", "position": 11, "acceptedAnswer": { "@type": "Answer", "text": "Elle permet d'estimer le risque d'événements indésirables et d'orienter les stratégies de prévention." } }, { "@type": "Question", "name": "Peut-on prédire des épidémies avec cette loi ?", "position": 12, "acceptedAnswer": { "@type": "Answer", "text": "Oui, elle aide à prédire le nombre de cas d'épidémies et à planifier des interventions préventives." } }, { "@type": "Question", "name": "Quels événements préventifs sont modélisés ?", "position": 13, "acceptedAnswer": { "@type": "Answer", "text": "On modélise des événements comme les vaccinations et les campagnes de sensibilisation." } }, { "@type": "Question", "name": "Comment évaluer l'impact des campagnes ?", "position": 14, "acceptedAnswer": { "@type": "Answer", "text": "On utilise la loi de Poisson pour analyser le nombre de cas avant et après les campagnes de prévention." } }, { "@type": "Question", "name": "Quels facteurs influencent la prévention ?", "position": 15, "acceptedAnswer": { "@type": "Answer", "text": "Les facteurs comme le taux de vaccination et l'accès aux soins influencent les résultats préventifs." } }, { "@type": "Question", "name": "Comment la loi de Poisson aide-t-elle en traitement ?", "position": 16, "acceptedAnswer": { "@type": "Answer", "text": "Elle permet d'évaluer l'efficacité des traitements en analysant le nombre d'événements indésirables." } }, { "@type": "Question", "name": "Peut-on ajuster les traitements avec cette loi ?", "position": 17, "acceptedAnswer": { "@type": "Answer", "text": "Oui, les données de Poisson aident à ajuster les traitements en fonction des résultats observés." } }, { "@type": "Question", "name": "Comment évaluer les effets secondaires ?", "position": 18, "acceptedAnswer": { "@type": "Answer", "text": "On utilise la loi de Poisson pour modéliser le nombre d'effets secondaires dans des essais cliniques." } }, { "@type": "Question", "name": "La loi de Poisson influence-t-elle la recherche ?", "position": 19, "acceptedAnswer": { "@type": "Answer", "text": "Oui, elle guide la recherche sur l'impact des traitements en analysant les événements rares." } }, { "@type": "Question", "name": "Quels traitements sont souvent analysés ?", "position": 20, "acceptedAnswer": { "@type": "Answer", "text": "Les traitements pour les maladies infectieuses et les interventions chirurgicales sont souvent analysés." } }, { "@type": "Question", "name": "Quelles complications peuvent être modélisées ?", "position": 21, "acceptedAnswer": { "@type": "Answer", "text": "On peut modéliser des complications comme les infections post-opératoires ou les effets secondaires." } }, { "@type": "Question", "name": "Comment la loi de Poisson aide-t-elle à comprendre les complications ?", "position": 22, "acceptedAnswer": { "@type": "Answer", "text": "Elle permet d'analyser la fréquence des complications et d'identifier des facteurs de risque." } }, { "@type": "Question", "name": "Peut-on prédire des complications avec cette loi ?", "position": 23, "acceptedAnswer": { "@type": "Answer", "text": "Oui, elle aide à prédire le nombre de complications dans des populations spécifiques après un traitement." } }, { "@type": "Question", "name": "Quels types de complications sont souvent étudiés ?", "position": 24, "acceptedAnswer": { "@type": "Answer", "text": "Les complications chirurgicales et les effets indésirables des médicaments sont souvent étudiés." } }, { "@type": "Question", "name": "Comment réduire les complications ?", "position": 25, "acceptedAnswer": { "@type": "Answer", "text": "On utilise les données de Poisson pour identifier les risques et améliorer les protocoles de soins." } }, { "@type": "Question", "name": "Quels facteurs influencent la loi de Poisson ?", "position": 26, "acceptedAnswer": { "@type": "Answer", "text": "Les facteurs comme l'âge, le sexe et les antécédents médicaux influencent les événements modélisés." } }, { "@type": "Question", "name": "Comment identifier les facteurs de risque ?", "position": 27, "acceptedAnswer": { "@type": "Answer", "text": "On analyse les données épidémiologiques pour identifier les facteurs associés à des événements rares." } }, { "@type": "Question", "name": "Les comportements influencent-ils les résultats ?", "position": 28, "acceptedAnswer": { "@type": "Answer", "text": "Oui, des comportements comme le tabagisme ou l'alimentation peuvent augmenter les risques d'événements." } }, { "@type": "Question", "name": "Quels facteurs environnementaux sont considérés ?", "position": 29, "acceptedAnswer": { "@type": "Answer", "text": "Des facteurs comme la pollution et l'accès aux soins de santé sont pris en compte dans l'analyse." } }, { "@type": "Question", "name": "Comment les facteurs de risque sont-ils utilisés ?", "position": 30, "acceptedAnswer": { "@type": "Answer", "text": "Ils sont utilisés pour orienter les politiques de santé publique et les stratégies de prévention." } } ] } ] }
Dr Olivier Menir

Contenu validé par Dr Olivier Menir

Expert en Médecine, Optimisation des Parcours de Soins et Révision Médicale


Validation scientifique effectuée le 31/03/2025

Contenu vérifié selon les dernières recommandations médicales

Auteurs principaux

Cécile Kremer

2 publications dans cette catégorie

Publications dans "Loi de Poisson" :

Andrea Torneri

2 publications dans cette catégorie

Publications dans "Loi de Poisson" :

Sien Boesmans

2 publications dans cette catégorie

Publications dans "Loi de Poisson" :

Hanne Meuwissen

2 publications dans cette catégorie

Publications dans "Loi de Poisson" :

Selina Verdonschot

2 publications dans cette catégorie

Publications dans "Loi de Poisson" :

Koen Vanden Driessche

2 publications dans cette catégorie

Publications dans "Loi de Poisson" :

Christian L Althaus

2 publications dans cette catégorie

Publications dans "Loi de Poisson" :

Christel Faes

2 publications dans cette catégorie

Publications dans "Loi de Poisson" :

Niel Hens

2 publications dans cette catégorie

Publications dans "Loi de Poisson" :

Tong Kang

2 publications dans cette catégorie

Affiliations :
  • Department of Biostatistics, University of Florida, Gainesville, Florida, USA.

Somnath Datta

2 publications dans cette catégorie

Affiliations :
  • Department of Biostatistics, University of Florida, Gainesville, Florida, USA.

Muhammad Ahsan-Ul-Haq

2 publications dans cette catégorie

Affiliations :
  • College of Statistical and Actuarial Sciences, University of the Punjab, Lahore, Pakistan.

Takahiro Kawabe

2 publications dans cette catégorie

Affiliations :
  • Human Information Science Laboratories, NTT Communication Science Laboratories, Tokyo, Japan.
Publications dans "Loi de Poisson" :

Wan Tang

2 publications dans cette catégorie

Affiliations :
  • 4 Department of Global Biostatistics and Data Science, Tulane University School of Public Health and Tropical Medicine, New Orleans, LA, USA.
Publications dans "Loi de Poisson" :

Marcin Makowski

1 publication dans cette catégorie

Affiliations :
  • Faculty of Physics, Department of Mathematical Methods in Physics, University of Białystok, Ul. Ciołkowskiego 1L, 15-245 Białystok, Poland.
Publications dans "Loi de Poisson" :

Edward Wiktor Piotrowski

1 publication dans cette catégorie

Affiliations :
  • Faculty of Physics, Department of Mathematical Methods in Physics, University of Białystok, Ul. Ciołkowskiego 1L, 15-245 Białystok, Poland.
Publications dans "Loi de Poisson" :

H Papageorgiou

1 publication dans cette catégorie

Affiliations :
  • Department of Mathematics, National and Kapodistrian University of Athens, Athens, Greece.
Publications dans "Loi de Poisson" :

Maria Vardaki

1 publication dans cette catégorie

Affiliations :
  • School of Health Sciences, National and Kapodistrian University of Athens, Athens, Greece.
Publications dans "Loi de Poisson" :

Huiqing Gao

1 publication dans cette catégorie

Affiliations :
  • School of Mathematics and Statistic, Qinghai Normal University, Xining 810008, China.
Publications dans "Loi de Poisson" :

Zhanshou Chen

1 publication dans cette catégorie

Affiliations :
  • School of Mathematics and Statistic, Qinghai Normal University, Xining 810008, China.
  • The State Key Laboratory of Tibetan Intelligent Information Processing and Application, Xining 810008, China.
Publications dans "Loi de Poisson" :

Sources (10000 au total)

A case-control study of infections caused by

Infections caused by antimicrobial-resistant bacteria are a significant cause of death worldwide, and carbapenemase-producing bacteria are the principal agents. New Delhi metallo-beta-lactamase-1 prod... A retrospective case-control study with patients hospitalized from January 2012 to February 2018 at the Hospital Civil de Guadalajara "Fray Antonio Alcalde" was designed. During this period, 139 patie... One hundred and thirty-nine case patients with a KP-NDM-1 isolate and 486 control patients were analyzed. In the case group, acute renal failure was a significant comorbidity, hospitalization days wer... In this study, the previous use of antibiotics, the use of a urinary catheter, the use of a central venous catheter, the use of mechanical ventilation, and ICU stay were shown to be predictors of infe...

Errors in Surgery: A Case Control Study.

While errors can harm patients they remain poorly studied. This study characterized errors in the care of surgical patients and examined the association of errors with morbidity and mortality.... Errors have been reported to cause <10% or >60% of adverse events. Such discordant results underscore the need for further exploration of the relationship between error and adverse events.... Patients with operations performed at a single institution and abstracted into the American College of Surgeons National Surgical Quality Improvement Program from January 1, 2018, to December 31, 2018... Of 1899 patients, 170 were defined as cases who experienced a morbidity or mortality. The majority of cases (n=93; 55%) had at least 1 error; of the 329 matched control patients, 112 had at least 1 er... Errors in surgical care were associated with postoperative morbidity. Reducing errors requires measurement of errors....

Iron status in women with infertility and controls: a case-control study.

Iron deficiency is a common problem in subfertile women. The influence of iron status on unexplained infertility is unknown.... In a case-control study, 36 women with unexplained infertility and 36 healthy non-infertile controls were included. Parameters of iron status including serum ferritin and a serum ferritin <30 µg/dL se... Women with unexplained infertility demonstrated a lower transferrin saturation (median 17.3%, IQR 12.7-25.2 versus 23.9%, IQR 15.4-31.6;... Ferritin levels <30µg/L were associated with unexplained infertility and might be screened in the future. Further studies with a focus on iron deficiency and iron treatment on women with unexplained i...

Sleeve Gastrectomy in Septuagenarians: a Case-Control Study.

There are few studies published referring to bariatric surgery in patients older than 70 years. The aim of this study is to evaluate whether there are benefits to performing sleeve gastrectomy (SG) in... Data were retrospectively collected from a Private Clinic's electronic medical records of patients undergoing SG between June 2017 and September 2020. Inclusion criteria were patients older than 70 ye... Fifty patients were included in the study. Both groups were similar regarding gender, weight, BMI, and presence of DM. The 30-day morbidity and mortality were similar between the groups. The patients ... The sleeve gastrectomy surgery performed in patients over 70 years of age is safe. The early results suggest similar benefits regarding weight loss and improvement of comorbidities to those having SG ...

Diverticulitis Familiality: A Statewide Case-Control Study.

The etiology of diverticulitis is multifactorial and poorly understood. We estimated the familiality of diverticulitis using the Utah Population Database, a statewide database linking medical records ... We identified patients with diverticulitis diagnosed between 1998 and 2018 and age- and sex-matched controls in the Utah Population Database. Risk of diverticulitis in family members of patients and c... The study population included 9,563 diverticulitis patients (with 229,647 relatives) and 10,588 controls (with 265,693 relatives). Relatives of patients were more likely to develop diverticulitis (inc... Our results indicate that the first-, second-, and third-degree relatives of diverticulitis patients are at elevated risk of developing diverticulitis. This information may aid surgeons in counseling ...

Thrombocytosis in patients with spondyloarthritis: a case-control study.

This study aimed to investigate the clinical and laboratory as well as radiological features of spondyloarthritis (SpA) patients with thrombocytosis and to explore risk factor for thrombocytosis in Sp... A total of 145 patients with SpA were included in this study, and non-thrombocytosis was identified in 76 patients while thrombocytosis was found in 69 patients, 38 out of the 69 patients received ant... The proportion of hip involvement (60.86% vs 36.84%, p = 0.004), bath ankylosing spondylitis disease activity index score (4.24 ± 0.55 vs 3.69 ± 0.67, p < 0.001), erythrocyte sedimentation rate (62.22... SpA patients with thrombocytosis have a higher proportion of hip involvement and disease activity compared to non-thrombocytosis SpA patients. The potential risk factors for thrombocytosis in SPA pati...

Vestibulodynia and the Vaginal Microbiome: A Case-Control Study.

Recent studies of the vaginal microbiome have led to a better understanding of the microbiota and interactions with the host environment, however the role of the vaginal microbiome in vestibulodynia r... This study aims to investigate and examine differences in the bacterial and fungal microbiome among patients with vestibulodynia and healthy controls.... A case-control study was conducted examining the vaginal microbiome of 29 patients with vestibulodynia and 26 controls through Stony Brook University Obstetrics and Gynecology ambulatory clinic. Exclu... Principal component analysis (PCA) and linear discriminant analysis effect size (LefSe) were used to identify differences in relative abundance of operational taxonomic units (OTUs) for the vaginal mi... Lactobacillus species were dominant amongst both cases and controls. PCA of 16S and ITS OTUs did not show significant differences in microbiome composition between vestibulodynia patients and controls... Additional studies are needed to further assess the clinical significance of these findings.... Strengths of this study include ITS amplicon sequence analysis for fungal species diversity. Limitations of this study include small sample size and lack of racial diversity.... Our study did not find significant differences in composition or diversity between the vaginal microbiomes of cases of vestibulodynia and controls; however, the data suggests differences in abundance ...

Bladder cancer with pioglitazone: A case-control study.

Varied reports suggest a contentious relationship of bladder malignancy with pioglitazone in patients with type 2 diabetes.... To study an association (prevalence and predictors) of bladder malignancy with pioglitazone therapy in Asian-Indian type 2 diabetes patients.... In this observational multicenter study, type 2 diabetic patients attending out-patient diabetes-clinic were evaluated. A detailed history of anti-diabetic medication, dose, duration, pioglitazone usa... A total of 8000 patients were screened out of which 1560 were excluded. Among 6440 included patients, 1056 (16.3%) patients were in group A and 5384 (83.6%) group B. Patients on pioglitazone were olde... Pioglitazone use in Asian-Indians is not associated with an increased bladder cancer risk. However, pioglitazone should be restricted in individuals with history of hematuria. Age more than 58 years i...

HTRA1 methylation in peripheral blood as a potential marker for the preclinical detection of stroke: a case-control study and a prospective nested case-control study.

Stroke is the leading cause of mortality in China. DNA methylation has essential roles in multiple diseases, but its association with stroke was barely studied. We hereby explored the association betw... The association was discovered in a hospital-based case-control study (cases/controls = 190:190) and further validated in a prospective nested case-control study including 139 cases who developed stro... In our study, altered HTRA1 methylation was associated with stroke at clinical and preclinical stages and thus may provide a potential biomarker in the blood for the risk evaluation and preclinical de...